可解释机器学习 - 李宏毅笔记
导语在机器应用案例中：金融行业：银行需要我们开发模型，帮助柜员判断要不要给这个用户办理信用贷款，柜员用机器学习模型来自动判断，判断不能给这位用户办理贷款，柜员想知道模型是依据这位用户的那些信用条件，不给他办理贷款的医疗诊断：在医院里，医生借助诊断模型辅助他完成病人病情的诊断，医生想知道模型是依据这位病人检测报告中的那项指标看出对方得什么病的法律断案：在法律上，法官借助断案模型辅助他完成犯人的案情....
可解释性机器学习：解析和解释模型的预测结果
在机器学习领域，越来越多的应用开始依赖于高性能的预测模型，这些模型可以在各种任务中取得出色的表现。然而，由于深度学习和复杂模型的兴起，模型的黑盒特性成为了一个重要的挑战。尽管这些模型在预测准确性上表现出色，但它们往往缺乏可解释性，使得用户无法理解模型是如何得出预测结果的。 在本文中，我们将讨论可解释...
『机器学习』核心概念的可视化解释
正文MLU（ Machine Learning University，机器学习大学）是亚马逊的一项教育计划，旨在教授机器学习理论和实际应用。MLU-Explain 作为计划的一部分，通过可视化这种信息丰富且有趣的方式，讲解了机器学习的重要概念。交互页面的设计非常酷！https://mlu-explain.github.io/不过现在涉及的模型不太多，主要有机器学习基本概念（ROC AUC 交叉验....
人工智能机器学习底层原理剖析,人造神经元,您一定能看懂,通俗解释把AI“黑话”转化为“白话文”
按照固有思维方式，人们总以为人工智能是一个莫测高深的行业，这个行业的人都是高智商人群，无论是写文章还是和人讲话，总是讳莫如深，接着就是蹦出一些“高级”词汇，什么“神经网络”，什么“卷积神经”之类，教人半懂不懂的。尤其ChatGPT的风靡一时，更加“神话”了这个行业，用鲁迅先生形容诸葛武侯的话来讲：“多智而近妖”。事实上，根据二八定理，和别的行业一样，人工智能行业内真正顶尖的天才也就是20%，他们....
【机器学习】线性回归——最小二乘法的概率解释高斯噪声（理论+图解+公式推导）
2021人工智能领域新星创作者，带你从入门到精通，该博客每天更新，逐渐完善机器学习各个知识体系的文章，帮助大家更高效学习。概述对于之前的文章我们使用了最小二乘估计然后获得了损失函数：L ( w ) = ∑ i = 1 m ( w T x i − y i ) 2 L(w)=\sum_{i=1}^m(w^Tx_i-y_i)^2L(w)=i=1∑m(wTxi−yi)2然后求解极值点，然后获得w ∗ =....
代码案例详解！如何让机器学习模型自解释！⛵
作者：韩信子@ShowMeAI 机器学习实战系列：https://www.showmeai.tech/tutorials/41 本文地址：https://www.showmeai.tech/article-detail/337 声明：版权所有，转载请联系平台与作者并注明出处 收藏ShowMeAI查看更多精彩内容近年来，可解释的人工智能（XAI）和可解释的机器学习引起了越来越多的关注，因为直接把.....
机器学习的四个分支及分类回归常用术语解释
机器学习算法可分为四大类：一、监督学习二分类、多分类及标量回归问题都属于监督学习。即给定一组样本（样本通常需要人工进行标注），通过这组样本的学习，当输入未标注的数据时会自动映射到已知目标（人工标注）。监督学习还包括几种除分类回归外的任务：1.序列生成：给定一张图像，预测出描述该图像的文字。2.语法树预测：给定一个句子，预测其分解生成的语法树。3.目标检测：给定一张图像，在图像中特定的目标（一个或....
Umang 谈部署可解释机器学习面临的挑战（下）
结果网络异常，图片无法展示|由 theta 参数化的实验的目标是找到给出上述结果的一些 delta。这里，fθf_θfθ是模型A，fθ+δf_{θ+δ}fθ+δ是模型B。网络异常，图片无法展示|Umang 正在研究的是重要性排名。在这里，他们正在查看 14 个特征。他们可以采用特征重要性排名，并根据赋予它们的归因大小对特征进行排名。下面展示了关于不同解释技术的判别特征的大小和排名（模型A（fθf....
Umang 谈部署可解释机器学习面临的挑战（上）
在实践中如何使用现有的可解释性方法？Umang 提到了围绕 XAI（可解释 AI）的文献大幅增长。特别是，旨在“解释”机器学习输出的提议算法的增加。有了这个观察结果，Umang 的团队着手做的事情之一就是研究组织如何使用这些算法。研究访谈在他们的研究中，他们对来自 30 个不同组织的 50 人进行了半结构化访谈，访谈持续时间在 30 分钟到 2 小时之间。共同语言团队意识到需要共享和建立语言来思....
可解释的机器学习|深度学习（李宏毅）（十一）
一、概述分类通常一个深度学习模型是黑盒子的，但我们也希望有一些方法来使得模型是可解释的（Explainable/Interpretable）。可解释的机器学习技术分为Local Explanation和Global Explanation两种。对于一个图像识别模型来说，Local Explanation指的是：Why do you think this image is a cat?Global....
本页面内关键词为智能算法引擎基于机器学习所生成，如有任何问题，可在页面下方点击"联系我们"与我们沟通。
人工智能平台 PAI解释相关内容
人工智能平台 PAI您可能感兴趣
- 人工智能平台 PAI ecs
- 人工智能平台 PAI配置
- 人工智能平台 PAI项目
- 人工智能平台 PAI训练
- 人工智能平台 PAI近邻
- 人工智能平台 PAI算法
- 人工智能平台 PAI模型
- 人工智能平台 PAI编码
- 人工智能平台 PAI方法
- 人工智能平台 PAI入门
- 人工智能平台 PAI pai
- 人工智能平台 PAI机器学习
- 人工智能平台 PAI python
- 人工智能平台 PAI应用
- 人工智能平台 PAI数据
- 人工智能平台 PAI人工智能
- 人工智能平台 PAI平台
- 人工智能平台 PAI实战
- 人工智能平台 PAI构建
- 人工智能平台 PAI ai
- 人工智能平台 PAI优化
- 人工智能平台 PAI深度学习
- 人工智能平台 PAI实践
- 人工智能平台 PAI部署
- 人工智能平台 PAI特征
- 人工智能平台 PAI阿里云
- 人工智能平台 PAI分类
- 人工智能平台 PAI代码
- 人工智能平台 PAI学习
- 人工智能平台 PAI技术
阿里云机器学习平台PAI
阿里云机器学习PAI（Platform of Artificial Intelligence）面向企业及开发者，提供轻量化、高性价比的云原生机器学习平台，涵盖PAI-iTAG智能标注平台、PAI-Designer（原Studio）可视化建模平台、PAI-DSW云原生交互式建模平台、PAI-DLC云原生AI基础平台、PAI-EAS云原生弹性推理服务平台，支持千亿特征、万亿样本规模加速训练，百余落地场景，全面提升工程效率。
+关注